1 江苏大学电气信息工程学院, 江苏 镇江 212013
2 江苏省农业装备与智能化高技术研究重点实验室, 江苏 镇江 212013
3 浙江大学台州研究院, 浙江 台州 317700
4 滁州职业技术学院信息工程系, 安徽 滁州 239000
食品的品种不同则其含有营养成分和功效存在差异, 得到的傅里叶变换红外光谱也存在差异。 为了准确的实现品种分类, 设计了一种将傅里叶变换红外光谱与模糊聚类分析方法相结合的品种鉴别方法。 在模糊Kohonen聚类网络(FKCN)基础上将模糊K调和聚类(FKHM)引入到Kohonen聚类网络的学习速率和更新策略中, 提出了模糊K-Harmonic-Kohonen网络(FKHKCN)算法。 FKHKCN利用模糊C均值(FCM)聚类的模糊隶属度计算其学习速率, 以FKHM的聚类中心为基础通过推导计算得到FKHKCN的聚类中心, 可以解决模糊Kohonen聚类网络方法对于初始类中心敏感而导致聚类结果不稳定的问题。 FKHKCN作为一种模糊聚类算法, 可实现傅里叶变换红外光谱数据的聚类分析。 采用三种数据集: (1)采集产自四川的三种茶叶(优质和劣质的乐山竹叶青以及峨眉山毛峰)作为实验样本, 样本总数为96。 (2)两个品种(robusta和arabica)的咖啡样本。 (3)三个品种(鸡肉、 猪肉和火鸡)的肉类样本。 首先对三个光谱数据集进行预处理, 利用多元散射校正降低茶叶样本原始光谱数据集的散射影响, 使用Savitzky-Golay减少噪声对肉类和咖啡这两个光谱数据集的影响。 再利用主成分分析将高维的三种光谱数据集压缩至低维。 然后采用线性判别分析进行特征提取, 将光谱数据投影到求得的鉴别向量上。 最后分别采用FCM, FKCN和FKHKCN对茶叶、 肉类和咖啡进行判别。 最终结果如下: FCM, FKCN和FKHKCN对茶叶品种的聚类准确率分别为90.91%, 90.91%和93.94%; 对肉类品种的聚类准确率分别为90.83%, 0.00%和92.50%; 对咖啡品种的聚类准确率分别为89.17%, 89.17%和90.83%。 以上实验结果表明: 采用傅里叶红外光谱技术结合主成分分析、 线性判别分析和FKHKCN的方法能够较有效地对食品的品种进行鉴别, 且鉴别准确率比FCM和FKCN更高, 聚类结果更稳定。
傅里叶变换红外光谱 模糊K调和均值聚类 多元散射校正 模糊Kohonen聚类网络 聚类分析 FTIR Fuzzy K-harmonic means clustering Multiple scattering correction Fuzzy Kohonen clustering network Clustering analysis
太原科技大学计算机科学与技术学院, 山西 太原 030024
针对LAMOST DR5 pipeline分类为Unknown的光谱数据对其进行了特征提取和聚类分析。 主要工作如下: (1) 基于影响空间及数据场的特征提取。 首先基于影响空间从低信噪比光谱中提取出大量小集团; 然后计算各小集团内部的场并根据场对光谱排序, 依次访问光谱序列及其小集团内的成员来获得特征谱; (2) 对上述特征谱进行K-means聚类, 并统计了每一类目标所在天区、 观测视宁度、 各波段信噪比、 亮度、 光谱仪/光纤的分布情况。 (3) 低质量光谱聚类结果的理论分析。 通过聚类所有低质量光谱被分为了5大簇: A 光谱信噪比较低或与传统分类模板差异较大, 但通过特征分析可确定其类别(占比2.7%); B 光谱蓝端或红端出现疑似特征线或分子带, 但与线表无法匹配(占比23.6%); C 光谱蓝端信噪比极低, 且该波长区域噪声值较强, 其他波长区域的连续谱和线的特征较弱(占比48.0%); D 红蓝两端拼接问题导致5 700~5 900 Å局部光谱突起明显, 其他波长区域的连续谱和线的特征较弱(占比24.2%); E 存在大量缺省值导致无法确定其类别(占比1.5%)。 实验结果表明, 该方法不仅能够有效提取低信噪比光谱的特征谱, 同时能够通过特征谱的聚类分析揭示低质量光谱的成因, 从而为制定光谱观测计划提供参考, 为低信噪比光谱分析及处理提供方法借鉴。
低信噪比光谱 光谱分解 特征分析 数据场 聚类分析 Low-SNR spectra Spectral decomposition Feature analysis Data field Clustering analysis 光谱学与光谱分析
2022, 42(4): 1186
中国民航大学电子信息与自动化学院，天津 300300
为了解决机场跑道边灯亮度检测任务中小目标检测精度低、检测速度慢的问题，提出了一种基于改进RetinaNet的跑道边灯亮度检测方法。在RetinaNet的基础上，引入倒残差结构和深度可分离卷积，以提升网络的特征提取能力和检测速度。采用K-means聚类算法优化目标样本的锚点框尺寸，以提升网络的检测精度。实验结果表明，相比原始方法，本方法的性能有明显提升，平均检测精度达到97.2%，检测速度达到25.9 frame/s。
图像处理 跑道边灯 亮度检测 聚类分析 轻量化网络 激光与光电子学进展
2022, 59(2): 0210012
空军工程大学装备管理与无人机工程学院,西安 710000
针对航空产品传统危害性矩阵分析中危害度计算精确度和效率低的问题,提出基于二维云模型的危害性评估方法。首先,采用二维云模型对产品单一故障模式进行危害性分析,求解其单一故障模式危害性水平; 然后,采用灰色关联聚类分析和信息熵相结合的方法,对故障模式进行赋权,将多种故障模式的危害性水平聚合为整个产品的危害性水平; 最后,结合某飞机升降舵操纵分系统案例分析,验证了所提方法的正确性。
危害性分析 故障模式 二维云模型 灰色关联聚类分析 criticality analysis failure mode planar cloud model gray relation and clustering analysis
1 南京航空航天大学电子信息工程学院, 江苏南京 211106
2 电子信息系统复杂电磁环境效应国家重点实验室, 河南洛阳 471003
3 南海海洋资源利用国家重点实验室 (海南大学), 海南海口 570228
目前大部分直接定位方法主要针对窄带信号, 为此提出了一种基于分布式无人机 (UAV)平台的宽 \窄带信号直接定位 (DPD)方法。首先在频域对多个无人机平台的接收数据进行合成, 基于多个频点建立和信源位置直接相关的代价函数; 然后, 将监测区域进行网格化处理得到目标信源的位置; 最后, 多无人机移动监测, 并不断缩小监测区域, 对多次定位结果聚类分析, 得到最终定位结果。通过仿真验证, 本方法的定位性能明显优于传统的定位方法。同时实测数据的处理结果表明, 本文所提方法定位性能优于改进的到达时间差 (TDOA)定位方法。
直接定位 多无人机 聚类分析 辐射源定位 Direct PositionDetermination multi -Unmanned Aerial Vehicle clustering analysis emitter location 太赫兹科学与电子信息学报
2021, 19(4): 628
大连海事大学环境科学与工程学院, 辽宁 大连 116026
食用油掺假侵害消费者权益, 危害公众健康, 相关鉴别研究具有重要意义。 当掺假食用油中的假冒组分含量降低时, 掺假油与正品油的相似度较高, 通常难以精准鉴别。 因此, 低量掺假食用油是打假鉴别的难点和重点。 选取降温作为扰动因子, 采用同步二维拉曼相关谱, 结合系统聚类分析, 针对橄榄油低量掺假(5%, 10%, 20%)开展鉴别研究。 选取与橄榄油相似度很高的大豆油作为假冒组分。 结果显示, 在+15~0 ℃范围, 纯橄榄油与掺假橄榄油的拉曼光谱近乎相同, 谱图随温度变化不明显; 在2 850, 2 874, 2 906, 2 933, 2 958和3 005 cm-1附近出现特征峰; 2 850 cm-1处的特征峰对应于亚甲基(CH2)的对称伸缩振动, 相对峰强最大。 当温度降至0 ℃以下时(-5~-20 ℃), 纯橄榄油和掺假橄榄油的拉曼光谱, 均随温度降低发生较显著变化; 相应地, 拉曼光谱差异随之增大。 主要特征峰位于2 848, 2 883, 2 933, 2 956和3 005 cm-1附近。 在2 848 cm-1处的特征峰为亚甲基对称伸缩振动的特征峰(2 850 cm-1)随温度降低发生红移所致, 其相对峰强随温度降低呈现减弱趋势。 在2 883 cm-1处的特征峰对应于CH2的反对称伸缩振动, 其相对强度随温度降低逐渐增大, 成为最强特征峰。 同步二维拉曼相关谱显示, 纯橄榄油在2 925 cm-1的自相关峰强度最大, 此自相关峰的强度排序为: 纯橄榄>掺假5%橄榄油>掺假10%橄榄油>掺假20%橄榄油。 纯橄榄油在2 925和2 883 cm-1处的负交叉峰强度最大, 此负交叉峰强度排序为: 纯橄榄>掺假5%橄榄油>掺假10%橄榄油>掺假20%橄榄油。 对同步二维拉曼相关谱的系统聚类分析显示, 纯橄榄油和低量掺假橄榄油的盲样均得到准确鉴别。 采用降温作为扰动因子的同步二维拉曼相关谱具有很高的辨识力, 对橄榄油中掺杂地沟油等其他假冒组分, 以及其他油品的防伪鉴别也具有理论和实用价值。
拉曼光谱 二维相关 聚类分析 食用油 Raman spectroscopy Two-dimensional correlation Clustering analysis Edible oil 光谱学与光谱分析
2020, 40(12): 3727
1 天津农学院农学与资源环境学院, 天津 300384
2 云南农业大学稻作物研究所, 云南 昆明 650201
3 天津市第一中心医院心内科, 天津 300192
为有效筛选F1代玉米杂交种的优势种, 提出了一种基于近红外光谱技术和二维相关谱技术相结合的种子快速筛选方法, 以内蒙古奈曼旗当地的推广品种京科958(JK958)作为对照, 测定了26个玉米品系的近红外光谱, 并对其进行聚类分析。 当类间距=10时, 26个品系被聚成3类。 第一类是与对照品相近的品系: JK958(对照品种), 26, 14, 489, 263和320等； 第二类是9, 542, 16, 121以及57品系； 第三类是与对照品较远的品系: 317, 582, 284, 264以及157。 一般, 若两个品系差别越小, 其自相关谱强度就越小, 反之成立。 若两个品系完全相同, 理想情况下同步二维相关谱上不会出现任何特征信息, 因此可通过自相关谱强度来判别两个品系的相似程度。 根据聚类分析结果, 选出了品系14, 26, 9和157进行二维相关性分析。 其中, 品系14和26是在近红外光谱聚类分析中与对照品种JK958相距较近的品系, 而9和157则与JK958相距较远。 品系14和JK958自相关强度的范围在0.000 0～0.000 2 a.u.； 品系26和JK958自相关强度的范围为: 0.000 00～0.000 10 a.u.； 品系9与JK958的自相关强度范围: 0.000 0～0.001 6 a.u.； 品系157与JK958的自相关强度约为0.000 4～0.002 0 a.u.； 从自相关强度整体来看四个品系与JK958的自相关强度由大到小的排列顺序为157>9>14>26, 表明: 品系26与对照品系JK958最相似。 为了验证上述筛选品系方法的有效性, 将以田间实地测量的玉米15个主要农艺性状数据, 进行聚类分析, 并与近红外光谱和二维相关谱快速筛选的结果进行对照。 研究发现: 农艺性状的聚类分析结果与近红外光谱聚类结果存在交叉(品系320, 26, 24, 147, 109和263)。 自相关强度为10-5数量级的品系26与JK958距离较近, 被聚到一类； 而自相关强度为10-4数量级的品系14, 9和157被聚为一类。 农艺性状的聚类结果证实了近红外光谱和二维相关谱技术快速筛选玉米品系的有效性。 研究结果表明: 近红外光谱+二维相关谱技术对玉米品系进行初步快速筛选是可行的和有效的。
近红外光谱 二维相关谱 不同玉米品系 农艺性状 聚类分析 Near-infrared spectroscopy Two-dimensional(2D)correlation spectroscopy Different corn lines Agronomic traits Clustering analysis 光谱学与光谱分析
2020, 40(7): 2235
长沙理工大学交通运输学院测绘工程系, 湖南 长沙 410004
经典移动曲面滤波算法可以对多种地形取得较好的滤波效果,但是该算法取格网内最低点作为地面点时仍存在粗差问题。基于此,提出一种置信区间检验方法,利用残差、均方根误差和置信概率作为参考值,选择最佳的初始种子点。采用格网重叠方式解决相邻格网间板块化问题,同时应用分层聚类自适应阈值确定方法确定高差阈值。对特殊种子点不足、难以拟合曲面的特殊格网,建立平面,设置阈值判断平面是否满足条件。对改进型移动曲面滤波算法与经典移动曲面滤波算法进行定性和定量实验对比,结果证明改进型移动曲面算法对粗差地形可以获得更佳的滤波效果。
遥感 激光雷达 移动曲面 置信区间 滤波 阈值 聚类分析
中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
针对图像质量数据库的主观评价方法存在失真等级少,缺少实验结果分析等问题,提出一种大样本图像质量主观评价方法。该方法基于双激励连续质量量表进行设计,使用简化的2级主观评价尺度评价,通过循环积分、最优选择和顺序调整获得样本图像的质量排序,并基于模糊聚类分析的思想将获得的图像次序的概率视为匹配程度,建立样本的模糊相似矩阵。通过指标规格化,建立模糊相似关系、等价关系以及分类、评分等步骤,最终确定图像质量得分。64级失真图像质量主观评价实验结果表明,图像质量得分能够准确反映可察觉差异的变化,主观评价结果的正确率达到94%,图像质量得分的标准差介于0~7,均值为3.08(百分制),远低于其他图像质量数据库的水平。所提方法具有较好的准确性和稳定性,适用于图像质量数据库的主观评价和人眼视觉特性研究。
成像系统 图像质量评价 主观评价 模糊聚类分析 可察觉差异 图像质量数据库 人眼视觉特性 激光与光电子学进展
2019, 56(13): 131103
1 陆军勤务学院, 重庆 401311
2 桂林联勤保障中心76174部队, 广西 桂林 512200
3 军委后勤保障部军需能源技术服务中心, 北京 100036
提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法, 实现了39个样品的种类快速识别, 即能自动将样品识别为0#车用柴油、 0#普通柴油、 97#车用汽油、 93#车用汽油、 90#车用汽油和3#喷气燃料等6种类型。 过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样, 然后对其进行拉曼光谱数据采集。 试验结果证明: 石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响, 且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰, 以及车用汽油和普通柴油的强荧光背景干扰。 改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法; 并将经典的系统聚类分析视为标准校正样品集的“建模”过程, 通过计算未知样品与各类属中心向量之间的普鲁克距离, 依据距离最小原则判断未知样品的类属。 通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别, 分析结果证明: 石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。Modified Hierarchical Clustering
拉曼光谱 荧光抑制 石墨化炭黑 系统聚类分析 种类识别 轻质燃油 Raman spectroscopy Fluorescence rejection Graphitized carbon black (GCB) Hierarchical clustering analysis (HCA) Classification Light fuel
